OpenAI DevDay 2026: GPT-6.1 Sol und neue Entwickler-Tools
OpenAI hat auf dem DevDay 2026 unter anderem GPT-6.1 Sol, computer use für die Agents API, cloud-basierte Codex-Umgebungen und eine Decisions API vorgestellt. Hinzu kommen neue Plugin-Fähigkeiten für ChatGPT.
InfoQ Startseiten News OpenAI DevDay 2026 Rückblick für Entwickler
Für Entwickler, die Agents bauen, unterstützt die Agents API nun computer use, wodurch Anwendungen Software über grafische Oberflächen bedienen können. Die API umfasst außerdem Multi-Agent-Fähigkeiten aus Codex, tool search, tool calling und context compaction, wobei OpenAI die zugrunde liegende Ausführungsinfrastruktur verwaltet. Die Funktionalität ist über die API sowie in Codex und ChatGPT Work für ausgewählte Tarife verfügbar.
OpenAI hat zudem GPT-6.1 Sol veröffentlicht, ein Update von GPT-6 Sol, das auf Programmierung, computer use und professionelle Aufgaben ausgerichtet ist. Nach Angaben von OpenAI erreicht das Modell bei mehreren Evaluierungen das Niveau von GPT-6 Astra und berechnet dabei nur ein Fünftel der Standardpreise von Astra für Eingabe- und Ausgabe-Token. Zwischengespeicherte Eingaben kosten 0,10 Dollar pro Million Token. GPT-6.1 Sol ist über die API, ChatGPT Work und Codex verfügbar.
Codex kann nun zusätzlich zu lokalen Rechnern auch in Cloud-Umgebungen ausgeführt werden, sodass Entwickler entfernte Aufgaben von anderen Geräten aus starten können. OpenAI hat außerdem die Codex CLI mit Spracheingabe und einer /agents-Oberfläche aktualisiert, über die sich mehrere Aufgaben delegieren und überwachen lassen. Ein neuer Code-Review-Workflow kann Diffs und potenzielle Probleme in GitHub-Pull-Requests und GitLab-Merge-Requests analysieren, während Codex Security Cloud Repositories und neue Commits scannen, Funde untersuchen, Duplikate entfernen und Korrekturen vorbereiten kann.
Eine weitere Entwickler-Veröffentlichung ist die Decisions API, die sich derzeit in einer begrenzten Vorschau befindet. Sie nutzt das kleinere Modell Luna, um auf Basis von Text- oder Bildkontext aus einem vordefinierten Satz von Antworten auszuwählen. OpenAI positioniert die API für Aufgaben wie Klassifizierung, Anfrage-Routing und die Wahl der nächsten Aktion eines Agents.
OpenAI hat außerdem das Plugin-System von ChatGPT erweitert. Entwickler können nun Sidebar-Erlebnisse, interaktive Konversationspanels und eigene Datei-Viewer erstellen. Plugins können außerdem über den vorgeschlagenen MCP-Events-Standard auf Ereignisse reagieren, sodass Automatisierungen gestartet werden können, wenn in einer verbundenen Anwendung ein Ereignis eintritt.
Auf dem DevDay wurden außerdem Dots vorgestellt, persistente Agents, die an laufenden Aufgaben arbeiten können, sowie ChatGPT Space, ein gemeinsamer Arbeitsbereich, in dem Teams und Agents mit gemeinsamem Kontext arbeiten können. Zusammen mit den Entwickler-Veröffentlichungen erweitern diese Änderungen die Plattform von OpenAI von einzelnen Modellaufrufen hin zu persistenten Agents, die Tools nutzen, Software bedienen, zusammenarbeiten und Aufgaben remote ausführen können.
Die Diskussion in der Community konzentrierte sich auf die wachsende Betonung von Agents und Entwickler-Infrastruktur. Entwickler hoben computer use, cloudbasiertes Codex und kostengünstigere Modelle als praktische Neuerungen hervor, während andere bezweifelten, ob die Veröffentlichungen bedeutende Fortschritte gegenüber Fähigkeiten darstellen, die auf bestehenden Agent-Plattformen bereits verfügbar sind.
Du würdest nicht glauben, wie viel besser Dots in der einzigen Woche vor dem DevDay geworden sind. Ich erwarte, dass dies für die meisten Menschen zur bevorzugten Art der Interaktion mit KI wird.
Derweil schrieb der Entwickler @TokenGremlin:
Wenn ich länger darüber nachdenke, denke ich tatsächlich, dass GPT-6.1 Sol die BESTE Veröffentlichung in der Geschichte von OpenAI sein könnte. Es hat mir ein wirklich ungewöhnliches Gefühl gegeben, das ich bei einem Modell fast nie habe: Luna-Preise, Astra-Niveau-Qualität.
Der DevDay 2026 zeigte, dass OpenAI über einzelne Modellinteraktionen hinausgeht und sich hin zu persistenten Agent-Workflows bewegt. Mit autonomen Agents, kostengünstigeren Modellen, cloudbasierter Programmierung und erweiterten ChatGPT-Integrationen baut das Unternehmen Infrastruktur für Agents auf, die dauerhaft über Anwendungen und Aufgaben hinweg arbeiten können.
PostgreSQL gebaut für Time-Series im großen Maßstab Verarbeite massenhafte Time-Series-Daten mit PostgreSQL, ohne Performance einzubüßen. Erfahre, wie Tiger Data leistungsstarkes Ingest, schnelle Abfragen und skalierbaren Speicher bietet. Mehr erfahren.
Ein Rückblick auf die Inhalte der letzten Woche auf InfoQ, versendet jeden Dienstag. Werde Teil einer Community von über 250.000 Senior-Entwicklern. Beispiel ansehen
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
For developers building agents, the Agents API now supports computer use, allowing applications to operate software through graphical interfaces. The API also incorporates multi-agent capabilities from Codex, tool search, tool calling, and context compaction, with OpenAI managing the underlying execution infrastructure. The functionality is available through the API and in Codex and ChatGPT Work for selected plans.
OpenAI also released GPT-6.1 Sol, an update to GPT-6 Sol aimed at coding, computer use, and professional tasks. OpenAI says the model approaches GPT-6 Astra on several evaluations while charging one-fifth of Astra's standard input and output token prices. Cached input costs $0.10 per million tokens. GPT-6.1 Sol is available through the API, ChatGPT Work, and Codex.
Codex can now run in cloud environments in addition to local computers, allowing developers to start remote tasks from other devices. OpenAI also updated the Codex CLI with voice input and an /agents interface for delegating and monitoring multiple tasks. A new code-review workflow can analyze diffs and potential issues in GitHub pull requests and GitLab merge requests, while Codex Security Cloud can scan repositories and new commits, investigate findings, remove duplicates, and prepare fixes.
Another developer release is the Decisions API, currently in limited preview. It uses the smaller Luna model to select from a predefined set of answers based on text or image context. OpenAI positions the API for tasks such as classification, request routing, and choosing an agent's next action.
OpenAI also expanded ChatGPT's plugin system. Developers can now build sidebar experiences, interactive conversation panels, and custom file viewers. Plugins can also respond to events through the proposed MCP Events specification, allowing automations to start when an event occurs in a connected application.
DevDay also introduced Dots, persistent agents that can work on ongoing tasks, and ChatGPT Space, a shared workspace where teams and agents can work with common context. Together with the developer releases, these changes extend OpenAI's platform from individual model calls toward persistent agents that can use tools, operate software, collaborate, and execute tasks remotely.
Community discussion focused on the growing emphasis on agents and developer infrastructure. Developers highlighted computer use, cloud-based Codex, and lower-cost models as practical additions, while others questioned whether the releases represented significant advances over capabilities already available across existing agent platforms.
You would not believe just how much better dots got in a single week pre DevDay. I expect this to become the favorite way of interacting with AI for most people.
Meanwhile developer @TokenGremlin posted:
Thinking about it more, I actually think GPT-6.1 Sol might be THE BEST release in OpenAI’s history. It gave me a really unusual feeling that I almost never get from a model: Luna pricing, Astra-level quality.
DevDay 2026 showed OpenAI moving beyond individual model interactions toward persistent agent workflows. With autonomous agents, lower-cost models, cloud-based coding, and expanded ChatGPT integrations, the company is building infrastructure for agents that can work continuously across applications and tasks.
PostgreSQL Built for Time-Series Scale Handle massive time-series data with PostgreSQL, without sacrificing performance. Discover how Tiger Data delivers high-speed ingest, fast queries, and scalable storage. Learn More.